برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Advanced Deep Learning with Keras: Apply deep learning techniques, autoencoders, GANs, variational autoencoders, deep reinforcement learning, policy gradients, and more

دانلود کتاب یادگیری عمیق پیشرفته با Keras: از تکنیک های یادگیری عمیق ، رمزگذاران خودکار ، GAN ها ، رمزگذاران خودکار متنوع ، یادگیری تقویت عمیق ، شیب های سیاست و موارد دیگر استفاده کنید

مشخصات کتاب

Advanced Deep Learning with Keras: Apply deep learning techniques, autoencoders, GANs, variational autoencoders, deep reinforcement learning, policy gradients, and more

ویرایش:  
نویسندگان: Rowel Atienza  
سری:  
ISBN (شابک) : 1788629418, 9781788629416 
ناشر: Packt Publishing 
سال نشر: 2018 
تعداد صفحات: 369 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت

قیمت کتاب (تومان) : 28,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 8

در صورت تبدیل فایل کتاب Advanced Deep Learning with Keras: Apply deep learning techniques, autoencoders, GANs, variational autoencoders, deep reinforcement learning, policy gradients, and more به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب یادگیری عمیق پیشرفته با Keras: از تکنیک های یادگیری عمیق ، رمزگذاران خودکار ، GAN ها ، رمزگذاران خودکار متنوع ، یادگیری تقویت عمیق ، شیب های سیاست و موارد دیگر استفاده کنید نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب یادگیری عمیق پیشرفته با Keras: از تکنیک های یادگیری عمیق ، رمزگذاران خودکار ، GAN ها ، رمزگذاران خودکار متنوع ، یادگیری تقویت عمیق ، شیب های سیاست و موارد دیگر استفاده کنید

این کتاب راهنمای تکنیک‌های پیشرفته یادگیری عمیق و نحوه ایجاد Al پیشرفته خود است. با استفاده از Keras، پروژه‌های عملی را در سراسر جهان خواهید یافت که به شما نشان می‌دهند چگونه با جدیدترین تکنیک‌ها Al موثر ایجاد کنید. پروفسور Atienza یک نمای کلی از MLP ها، CNN ها و RNN ها، بلوک های ساختمانی برای تکنیک های پیشرفته تر ارائه می دهد. شما یاد خواهید گرفت که چگونه یادگیری عمیق را با Keras و Tensorflow پیاده سازی کنید. همچنین معماری شبکه های عصبی عمیق، از جمله ResNet و DenseNet، و نحوه ایجاد رمزگذارهای خودکار را بررسی خواهید کرد. درباره شبکه‌های متخاصم مولد (GAN) و نحوه باز کردن سطوح جدیدی از عملکرد Al بیاموزید. رمزگذارهای خودکار متغیر (VAE) پیاده سازی شده اند و خواهید دید که چگونه GAN ها و VAE ها قدرت تولیدی برای ترکیب داده هایی دارند که می تواند برای انسان بسیار متقاعد کننده باشد. کار را با اجرای یادگیری تقویتی عمیق (DRL) مانند روش‌های یادگیری عمیق Q و روش‌های گرادیان خط مشی، که برای بسیاری از نتایج مدرن در Al حیاتی هستند، به پایان خواهید رساند. چیزهایی که یاد خواهید گرفت: - تکنیک های پیشرفته در عملکرد انسان مانند Al. - پیاده سازی مدل های پیشرفته یادگیری عمیق با استفاده از Keras. - بلوک های ساختمانی برای تکنیک های پیشرفته (MLP ها، CNN ها و RNN ها). - شبکه های عصبی عمیق (ResNet و DenseNet). - رمزگذارهای خودکار و رمزگذارهای خودکار متغیر (VAEs). - شبکه های متخاصم مولد (GANs) و تکنیک های خلاق Al. - GAN های نمایندگی جدا شده و GAN های متقابل دامنه. - روش ها و پیاده سازی یادگیری تقویتی عمیق (DRL). - برنامه های استاندارد صنعتی را با استفاده از ورزشگاه OpenAl تولید کنید. - آموزش و سیاست عمیق Q-Q. روش های گرادیان

توضیحاتی درمورد کتاب به خارجی

This book is a guide to advanced deep learning techniques and how to create your own cutting-edge Al. Using Keras, you'll find hands-on projects throughout that show you how to create effective Al with the latest techniques. Professor Atienza provides an overview of MLPs, CNNs, and RNNs, the building blocks for more advanced techniques. You'll learn how to implement deep learning with Keras and Tensorflow. You'll also explore deep neural network architectures, including ResNet and DenseNet, and how to create Autoencoders. Learn about generative adversarial networks (GANs), and how they can open new levels of Al performance. Variational AutoEncoders (VAEs) are implemented, and you'll see how GANs and VAEs have the generative power to synthesize data that can be extremely convincing to humans. You'll finish by implementing Deep Reinforcement Learning (DRL) such as Deep Q-Learning and Policy Gradient Methods, which are critical to many modern results in Al. Things you will learn :- Cutting-edge techniques in human-like Al performance. - Implement advanced deep learning models using Keras. - The building blocks for advanced techniques (MLPs, CNNs, and RNNs). - Deep neural networks (ResNet and DenseNet). - Autoencoders and Variational AutoEncoders (VAEs). - Generative Adversarial Networks (GANs) and creative Al techniques. - Disentangled Representation GANs, and Cross-Domain GANs. - Deep Reinforcement Learning (DRL) methods and implementation. - Produce industry-standard applications usingOpenAl gym. - Deep Q-Learning and Policy. Gradient Methods.